基于线性回归的短时交通流量预测方法技术

本发明专利技术公开了一种基于线性回归的短时交通流量预测方法。方法为：首先对获取到的可能影响交通流量的因子进行特征缩放；初始化经过特征缩放后的各个因子的参数，结合线性回归方法对特征缩放后的因子进行建模；然后根据实际交通流量和建立的模型确定代价函数，对代价函数进行正则化处理；接着利用梯度下降算法求解代价函数最小值，根据代价函数最小值求得的最优参数；最后利用求得的最优参数对该道路的短时交通流量进行预测。本发明专利技术通过线性回归算法对短时交通流量进行预测，通过多组特征数据的使用，利用正则化方法进行优化，减少了过拟合的问题，提高了预测的准确性。

【技术实现步骤摘要】
基于线性回归的短时交通流量预测方法
本专利技术涉及交通流量预测
，特别是一种基于线性回归的短时交通流量预测方法。
技术介绍
随着社会的发展和科技的进步，私家车的数量和规模也越来越大，因此，交通拥堵问题也越来越常见。短时交通流量是判断交通拥堵信息的重要依据之一，它的变化趋势可以反映某一路段的路况信息的变化趋势，对短时交通流量进行有效预测可以更好地为人们的出行提供建议。要提高短时交通流量预测的准确性，选用合适的预测方法是关键。短时交通流量具有突发性，也和车速、人流、时间、道路状况等因素有关，难以进行准确的预测。现有的技术仅仅从道路层面对短时交通流量进行预测，并没有考虑到交通工具自身对短时交通流量的影响，导致预测准确率偏低。
技术实现思路
本专利技术的目的在于提供一种基于线性回归的短时交通流量预测方法，从而有效地对短时交通流量进行合理的预测。实现本专利技术目的的技术解决方案为：一种基于线性回归的短时交通流量预测方法，包括以下步骤：步骤1，对影响交通流量的相关因子进行缩放处理；步骤2，对步骤1中经过缩放处理后的因子进行建模，建立假设函数；步骤3，在步骤2假设函数的基础上求解代价函数；步骤4本文档来自技高网...

【技术保护点】
1.一种基于线性回归的短时交通流量预测方法，其特征在于，包括以下步骤：步骤1，对影响交通流量的相关因子进行缩放处理；步骤2，对步骤1中经过缩放处理后的因子进行建模，建立假设函数；步骤3，在步骤2假设函数的基础上求解代价函数；步骤4，对步骤3中的代价函数进行正则化处理；步骤5，利用梯度下降方法求解步骤4中正则化处理后的代价函数的最小值，得到因子的最优参数；步骤6，利用步骤5中求得的最优参数对该道路的短时交通流量进行预测。

【技术特征摘要】
1.一种基于线性回归的短时交通流量预测方法，其特征在于，包括以下步骤：步骤1，对影响交通流量的相关因子进行缩放处理；步骤2，对步骤1中经过缩放处理后的因子进行建模，建立假设函数；步骤3，在步骤2假设函数的基础上求解代价函数；步骤4，对步骤3中的代价函数进行正则化处理；步骤5，利用梯度下降方法求解步骤4中正则化处理后的代价函数的最小值，得到因子的最优参数；步骤6，利用步骤5中求得的最优参数对该道路的短时交通流量进行预测。2.根据权利要求1所述的基于线性回归的短时交通流量预测方法，其特征在于，步骤1所述的对影响交通流量的相关因子进行缩放处理，具体为：对数据规模大于设定值的相关因子的原始数据进行标准化处理，处理方法如下：其中，x为因子的原始数据，为该因子下所有数据的平均值，σ为该因子下所有数据的标准差，x′是该因子经过标准化处理后的数据。3.根据权利要求1所述的基于线性回归的短时交通流量预测方法，其特征在于，步骤2所述对步骤1中经过缩放处理后的因子进行建模，建立假设函数，具体过程如下：(2.1)初始化参数θ＝(θ0，θ1，…，θn)，其中，n为因子的个数；(2.2)利用参数θ建立假设函数，方程如下：其中，x＝(x0,x1,…,xn)，是所有数据组成的矩阵；xi表示矩阵x的第i行数据，m表...

【专利技术属性】
技术研发人员：吕超贤，李千目，侯君，蔡志成，孟顺梅，周沧琦，张静，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32